前言
对于力扣平台上的股票类型的题目:
- 121.买卖股票的最佳时机
- 122.买卖股票的最佳时机 II
- 123.买卖股票的最佳时机 III
- 188.买卖股票的最佳时机 IV
- (本题)309.最佳买卖股票时机含冷冻期
- 714.买卖股票的最佳时机含手续费
- 剑指 Offer 63.股票的最大利润
一种常用的方法是将 买入
和 卖出
分开进行考虑:买入
为负收益,而 卖出
为正收益。在初入股市时,你只有 买入
的权利,只能获得负收益。而当你 买入
之后,你就有了 卖出
的权利,可以获得正收益。
显然,我们需要尽可能地降低负收益而提高正收益,因此我们的目标总是将收益值最大化。因此,我们可以使用动态规划的方法,维护在股市中每一天结束后可以获得的 累计最大收益
,并以此进行状态转移,得到最终的答案。
动态规划
思路与算法
我们用
f
[
i
]
f[i]
f[i] 表示 第
i
i
i 天结束之后 的 累计最大收益
。根据题目描述,由于我们最多只能同时买入(持有)一支股票,并且卖出股票后有冷冻期的限制,因此我们会有三种不同的状态:
- 我们目前持有一支股票,对应的
累计最大收益
记为 f [ i ] [ 0 ] f[i][0] f[i][0]; - 我们目前不持有任何股票,并且处于冷冻期中,对应的
累计最大收益
记为 f [ i ] [ 1 ] f[i][1] f[i][1]; - 我们目前不持有任何股票,并且不处于冷冻期中,对应的
累计最大收益
记为 f [ i ] [ 2 ] f[i][2] f[i][2]。
处于冷冻期
指的是第
i
i
i 天结束之后的状态,也就是说:如果第
i
i
i 天结束之后处于冷冻期,那么第
i
+
1
i+1
i+1 天无法买入股票。
如何进行状态转移呢?
在第
i
i
i 天时,我们可以在不违反规则的前提下进行 买入
或者 卖出
操作,此时第
i
i
i 天的状态会从第
i
−
1
i-1
i−1 天的状态转移而来;我们也可以不进行任何操作,此时第
i
i
i 天的状态就等同于第
i
−
1
i-1
i−1 天的状态。那么我们分别对这三种状态进行分析:
- 对于
f
[
i
]
[
0
]
f[i][0]
f[i][0],状态转移方程为:
f
[
i
]
[
0
]
=
max
(
f
[
i
−
1
]
[
0
]
,
f
[
i
−
1
]
[
2
]
−
p
r
i
c
e
s
[
i
]
)
f[i][0]=\max(f[i-1][0],f[i-1][2]-prices[i])
f[i][0]=max(f[i−1][0],f[i−1][2]−prices[i])
- 在第 i − 1 i-1 i−1 天就已经持有,对应的状态为 f [ i − 1 ] [ 0 ] f[i-1][0] f[i−1][0]
- 在第 i i i 天买入,则第 i − 1 i-1 i−1 天就不能持有股票并且不处于冷冻期中,对应的状态为 f [ i − 1 ] [ 2 ] f[i-1][2] f[i−1][2] 加上买入股票的负收益 p r i c e s [ i ] prices[i] prices[i]
- 对于
f
[
i
]
[
1
]
f[i][1]
f[i][1],状态转移方程为:
f
[
i
]
[
1
]
=
f
[
i
−
1
]
[
0
]
+
p
r
i
c
e
s
[
i
]
f[i][1]=f[i-1][0]+prices[i]
f[i][1]=f[i−1][0]+prices[i]
- 在 i i i 天结束之后处于冷冻期的原因是在当天卖出了股票,那么说明在第 i − 1 i-1 i−1 天时我们必须持有一支股票,对应的状态为 f [ i − 1 ] [ 0 ] f[i-1][0] f[i−1][0] 加上卖出股票的正收益 p r i c e s [ i ] prices[i] prices[i]。
- 对于
f
[
i
]
[
2
]
f[i][2]
f[i][2],我们在第
i
i
i 天结束之后不持有任何股票并且不处于冷冻期,说明当天没有进行任何操作,即第
i
−
1
i-1
i−1 天时不持有任何股票。状态转移方程为:
f
[
i
]
[
2
]
=
max
(
f
[
i
−
1
]
[
1
]
,
f
[
i
−
1
]
[
2
]
)
f[i][2]=\max(f[i-1][1],f[i-1][2])
f[i][2]=max(f[i−1][1],f[i−1][2])
- 如果第 i − 1 i-1 i−1 天处于冷冻期,对应的状态为 f [ i − 1 ] [ 1 ] f[i-1][1] f[i−1][1]
- 如果第 i − 1 i-1 i−1 天不处于冷冻期,对应的状态为 f [ i − 1 ] [ 2 ] f[i-1][2] f[i−1][2]
这样我们就得到了所有的状态转移方程。如果一共有 n n n 天,那么最终的答案为: max ( f [ n − 1 ] [ 0 ] , f [ n − 1 ] [ 1 ] , f [ n − 1 ] [ 2 ] ) \max(f[n-1][0],f[n-1][1],f[n-1][2]) max(f[n−1][0],f[n−1][1],f[n−1][2])注意到如果在最后一天(第 n − 1 n-1 n−1 天)结束之后,手上仍然持有股票,那么显然是没有任何意义的。因此更加精确地,最终的答案实际上是: max ( f [ n − 1 ] [ 1 ] , f [ n − 1 ] [ 2 ] ) \max(f[n-1][1],f[n-1][2]) max(f[n−1][1],f[n−1][2])
细节
我们可以将第 0 0 0 天的情况作为动态规划中的边界条件: f [ 0 ] [ 0 ] = − p r i c e s [ 0 ] f [ 0 ] [ 1 ] = 0 f [ 0 ] [ 2 ] = 0 \begin{aligned} f[0][0] &= -prices[0]\\ f[0][1] &= 0\\ f[0][2] &= 0 \end{aligned} f[0][0]f[0][1]f[0][2]=−prices[0]=0=0在第 0 0 0 天时,如果持有股票,那么只能是在第 0 0 0 天买入的,对应负收益 − p r i c e s [ 0 ] −prices[0] −prices[0];如果不持有股票,那么收益为零。
注意到第 0 0 0 天实际上是不存在处于冷冻期的情况的,但我们仍然可以将对应的状态 f [ 0 ] [ 1 ] f[0][1] f[0][1] 置为零,这其中的原因如下:
- 简单理解:第 0 0 0 天只要不持有股票,收益就一定是 0 0 0。
- 具体理解: f [ 0 ] [ 1 ] f[0][1] f[0][1] 可以理解为当天买入卖出,收益自然也是 0 0 0。并且 f [ 0 ] [ 1 ] f[0][1] f[0][1] 只会对 f [ 1 ] [ 2 ] f[1][2] f[1][2] 造成影响,但当 f [ 0 ] [ 1 ] ≤ f [ 0 ] [ 2 ] f[0][1]\le f[0][2] f[0][1]≤f[0][2] 时, f [ 1 ] [ 2 ] f[1][2] f[1][2] 就不会被影响。
代码
class Solution {
public int maxProfit(int[] prices) {
if(prices.length == 0)
return 0;
int n = prices.length;
int[][] dp = new int[n][3];
f[0][0] = -prices[0];
for(int i = 1; i < n; i++){
f[i][0] = Math.max(f[i - 1][0], f[i - 1][2] - prices[i]);//手上持有股票的最大收益
f[i][1] = f[i - 1][0] + prices[i]; //手上不持有股票,并且处于冷冻期中的累计最大收益
f[i][2] = Math.max(f[i - 1][1], f[i - 1][2]); //手上不持有股票,并且不在冷冻期中的累计最大收益
}
return Math.max(f[n - 1][1], f[n - 1][2]);
}
}
空间优化
注意到上面的状态转移方程中,
f
[
i
]
[
.
.
]
f[i][..]
f[i][..] 只与
f
[
i
−
1
]
[
.
.
]
f[i−1][..]
f[i−1][..] 有关,而与
f
[
i
−
2
]
[
.
.
]
f[i−2][..]
f[i−2][..] 及之前的所有状态都无关,因此我们不必存储这些无关的状态。
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 0) {
return 0;
}
int n = prices.length;
int f0 = -prices[0], f1 = 0, f2 = 0;
for (int i = 1; i < n; ++i) {
int newf0 = Math.max(f0, f2 - prices[i]);
int newf1 = f0 + prices[i];
int newf2 = Math.max(f1, f2);
f0 = newf0;
f1 = newf1;
f2 = newf2;
}
return Math.max(f1, f2);
}
}